1946
Сборник Python новостей: https://pythondigest.ru Наш симулятор IT инцидентов: https://incidenta.tech
Django (anti)patterns
https://www.django-antipatterns.com/
A website and repo with 39 common antipatterns, listing them as well as suggested changes. Worth a look!
Сводка от pythonz 01.02.2026 — 08.02.2026
https://pythonz.net/articles/631/
А теперь о том, что происходило в последнее время на других ресурсах.
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- LIFO, 3D и Динамический Шампур: как упаковать 6000 объектов в фуру за 12 секунд
- Q-scribe: сервис транскрибации для двоих
- Персональный аудиогид по картинам: от запроса до аудио (LLM + TTS)
- От «яблока» до «королевы»: как нейросети учатся понимать смысл слов через эмбеддинги
- Обзор Open Source моделей для задачи TTS
- sys.settrace: как устроены дебаггеры, coverage и profilers в Python
- CPython — Сборка мусора изнутри, ч.4
- dj-celery-panel: Celery Task Inspector for Django Admin
- django-hawkeye - BM25 full-text search using PostgreSQL
- Django - 6.0.2, 5.2.11, 4.2.28
Заходите в гости - https://pythondigest.ru/issue/634/
Why using [n] on a Django QuerySet can be unsafe?
https://borutzki.github.io/2026/01/19/why-using-n-on-a-django-queryset-can-be-unsafe.html
Indexing a QuerySet can return nondeterministic rows because slicing does not add ordering, unlike first, which orders by primary key.
LLMRouter - Library for LLM Routing
https://github.com/ulab-uiuc/LLMRouter
PyInfra: Infrastructure Deserves Real Code in Python, Not YAML Soup
https://marp.kalvad.com/fosdem_2026
AG-UI. Как написать AI ассистента для подбора подарков за 20 минут
https://habr.com/ru/articles/992866/
Один из проектов, который я запустил после новогодних праздников - это AI ассистент по подбору подарков (с интегрированным вишлистом) ДарийНа его примере я хочу рассказать о протоколе AG-UI и на практике показать, как разработать ChatGPT-like агентное приложение за пару минут.
Как мы с помощью ML попали на остров
https://habr.com/ru/articles/992930/
Машинное обучение обычно ассоциируется с датасетами, метриками и бесконечными экспериментами в ноутбуках. Но в какой-то момент для нас ML перестал быть абстрактной технологией - и стал маршрутом. Причём буквально. Эта история о том, как модели, гипотезы и пара неочевидных решений привели нас не только к рабочему результату, но и на самый настоящий остров Парамушир (северные Курилы).
Как мы пытались научить ML считать трудоёмкость в промышленности — и что из этого вышло
https://habr.com/ru/articles/992278/
Современное машиностроительное производство требует высокой точности планирования технологических процессов и оценки трудоёмкости операций. Эти оценки напрямую влияют на формирование себестоимости, планирование загрузки оборудования и назначение цен на продукцию и услуги.
«Спрятать и не потерять»: Реализуем DSSS-стеганографию в MP3 на Python. AES-256 против сжатия с потерями
https://habr.com/ru/companies/chameleonlab/articles/992996/
Принято считать, что стеганография в аудио умирает, как только файл пережимают в MP3. Классический метод LSB (замена младших битов) действительно не выдерживает встречи с психоакустической моделью сжатия — данные просто стираются как «неслышимый мусор».Но что, если подойти к задаче не как к замене битов, а как к радиосвязи? В этой статье мы напишем приложение ChameleonLab на Python (PyQt6 + NumPy). Мы откажемся от хрупких методов в пользу военной технологии DSSS (расширение спектра), применим криптографию AES-256 и научим наш сигнал выживать даже при перекодировании в 128kbps. Разберем математику корреляции, борьбу с рассинхронизацией ffmpeg и почему иногда шум — это хорошо.
Визуализация данных в Python с помощью библиотеки Plotly: база для новичков
https://habr.com/ru/companies/netologyru/articles/992594/
Plotly — библиотека для интерактивной визуализации данных в Python. Она подходит для задач, где статичного графика недостаточно и важно исследовать данные прямо в процессе анализа. В статье разбираем базовые возможности Plotly и основные типы графиков.
Все об устройстве Q65 с примерами на Python (часть 3)
https://habr.com/ru/articles/992436/
Q65 — цифровой протокол, разработанный Джо Тейлором (K1JT) и его командой в 2021 году для проведения минимальных связей в условиях сложных трасс прохождения радиосигнала.В предыдущих частях цикла были рассмотрены структура протокола, алгоритмы формирования сигнала, механизмы компенсации эффекта Доплера, синхронизация и детектирование сигнала в условиях быстрых затуханий сигналов. В этой части статьи рассматривается механизм декодирования данных Q-ary Repeat Accumulation кодов протокола Q65.
sys.settrace: как устроены дебаггеры, coverage и profilers в Python
https://habr.com/ru/companies/otus/articles/988880/
Когда запускаешь pytest --cov код выполняется как обычно, но в конце появляется отчёт о покрытии. Как pytest узнаёт, какие строки выполнились? Ответ в sys.settrace, это низкоуровневый хук, который позволяет перехватывать каждый шаг интерпретатора.На этом механизме построены coverage.py, pdb, PyCharm debugger, hunters, и десятки других инструментов. Разберём, как это работает изнутри и почему трассировка устроена именно так.
LIFO, 3D и Динамический Шампур: как упаковать 6000 объектов в фуру за 12 секунд
https://habr.com/ru/articles/992564/
В статье представлен подробный разбор разработки высокопроизводительного 3D-движка для оптимизации загрузки транспортных средств. Мы прошли путь от простого полочного алгоритма с КПД 58% до комплексной системы, обеспечивающей плотность упаковки до 90%.
Приложение на коленке! Почему Vial и QMK — шляпа?
https://habr.com/ru/articles/992732/
В прошлой статье я подробно рассказал про свою макрос-клавиатуру: про железо, характеристики и немного затронул ваши комментарии 🙂 ссылка на статью. И теперь пришло время рассказать про софт.
coverage - 7.13.4
https://pypi.org/project/coverage/7.13.4/
Утилита позволяющая измерить процент покрытия тестами. Скачать можно по ссылке: https://pypi.python.org/pypi/coverage/
django-hawkeye - BM25 full-text search using PostgreSQL
https://github.com/FarhanAliRaza/django-hawkeye
django-deadcode - dead code analysis tool
https://github.com/nanorepublica/django-deadcode
Python 3.14.3 and 3.13.12
https://pythoninsider.blogspot.com/2026/02/python-3143-and-31312-are-now-available.html
Python 3.14.3 (and 3.13.12) was released with deferred annotations, free-threaded support, improved async tooling, and other features that impact Django development and deployment.
semantica - Semantic Layer & Knowledge Engineering Framework
https://github.com/Hawksight-AI/semantica
gunicorn - 25.0.3
https://pypi.org/project/gunicorn/25.0.3/
WSGI HTTP-сервер для UNIX. Скачать можно по ссылке: https://pypi.python.org/pypi/gunicorn/
Запускаем AI-ассистента на бесплатном CPU: Qwen2.5 + Gradio + Hugging Face Spaces
https://habr.com/ru/articles/993312/
Каждый раз, когда кто-то говорит про запуск LLM, возникает вопрос: "А где взять GPU?" Облачные GPU стоят денег, локальные видеокарты стоят ещё больших денег, а бесплатные GPU-тиры исчезают быстрее, чем появляются.Но что если можно запустить полноценного AI-ассистента вообще без GPU?
Одно кольцо, чтобы повелевать остальными: собираем лимитирование, ретраи и circuit breaker в одной библиотеке
https://habr.com/ru/articles/992902/
Я чувстовал себя клоуном подключая 5ю библиотеку для написания устойчивого к ошибкам API клиента. После этого я написал библиотеку объединяющую все воедино. Мотивация и история архитектурных решений.
Я устал выпрашивать логи у завода, поэтому написал свой симулятор сталеплавильной печи
https://habr.com/ru/articles/992952/
Давайте честно. Все эти конференции про "Цифровые Двойники" и "AI на производстве" - это красиво только на слайдах в PowerPoint.В реальности, когда ты приходишь к главному технологу и просишь данные для обучения модели (например, чтобы предсказывать прогар футеровки), происходит одно из двух:
От «яблока» до «королевы»: как нейросети учатся понимать смысл слов через эмбеддинги
https://habr.com/ru/articles/992928/
Представьте, что вы объясняете ребёнку, что такое «яблоко». Вы покажете картинку, дадите попробовать, расскажете, что оно круглое, сладкое, растёт на дереве, а теперь попробуйте объяснить это нейросети. Она не видит, не пробует, но она понимает только числа. Как же тогда заставить машину понять, что «яблоко» ближе к «груше», чем к «трактору»?
Разбираю статью про FS-Researcher: как учёные научили ИИ вести конспекты
https://habr.com/ru/articles/992836/
ChatGPT и другие LLM "забывают" начало диалога при серьезном ресерче. Обычная проблема. Новые факты вытесняют старые из-за ограниченного контекстного окна, и отчет получается поверхностным. Недавнее исследование предлагает простое решение — дать ИИ-агенту "блокнот". Разбираемся как такой подход обходит ограничения контекста.
Ритуал создания API в традициях древних ацтеков (часть II)
https://habr.com/ru/articles/987584/
Процесс масштабирования бэкенд приложения на основе flask_restx и OpenApi. Реализация авторизации в приложении и обеспечение базового уровня безопасности.
gunicorn - 25.0.2
https://pypi.org/project/gunicorn/25.0.2/
WSGI HTTP-сервер для UNIX. Скачать можно по ссылке: https://pypi.python.org/pypi/gunicorn/
Как мы помогали Стэнфорду следить за акулами
https://habr.com/ru/companies/skbkontur/articles/992662/
В этот раз речь пойдёт о приложении для интерактивного мониторинга белых акул по заказу Стэнфордского университета. 🦈 В статье ребята рассказали, какие возможности реализовали внутри приложения, какой стек технологий выбрали и что за сложности случились на фронтенде и бэкенде.
cmd-chat: Peer-to-Peer Encrypted CLI Chat
https://github.com/diorwave/cmd-chat